Características de Amazon Comprehend

Reconocimiento de entidades personalizadas

• Ejemplo: en este ejemplo, a una empresa de seguros le gustaría analizar los documentos de texto correspondientes a entidades específicas de su empresa, los números de póliza.
  

  Texto de muestra: Hola, me llamo Sam Ford y quisiera presentar una reclamación por accidente de coche. Mi código de póliza es 456-YQT.
  

  Entidad	Categoría	Recuento	Confianza
  456-YQT	Policy_ID	1	0.95

Clasificación personalizada

• Ejemplo: supongamos que desea organizar los comentarios de atención al cliente de una compañía aérea. Quiere organizar cada comentario en las categorías “Preguntas sobre la cuenta”, “Reembolsos de billetes” y “Reclamaciones de vuelo”. Para formar el servicio, cree un archivo CSV que contenga texto de ejemplo de cada problema y etiquete cada ejemplo con una de las tres etiquetas que corresponda. El servicio formará automáticamente un modelo personalizado en su nombre. Para utilizar su modelo para analizar todas las llamadas al día siguiente, envíe cada archivo de texto al servicio y recibirá los resultados etiquetados junto con la confianza de la etiqueta correspondiente.
  

  Texto	Etiqueta	Puntuación de confianza
  Línea 0	Pregunta sobre la cuenta	0,92
  Línea 1	Reembolso de boletos	1
  Línea 2	Quejas sobre el vuelo	1
  Línea 3	Quejas sobre el vuelo	0,91
  Doc5.csv	Reembolso de boletos	1

Reconocimiento de entidades

• Ejemplo: en este ejemplo, examinamos la descripción de una empresa. La API identifica entidades como la empresa, la fecha y la ubicación y produce una puntuación de confianza.
  

  Texto de muestra: Amazon.com, Inc. se encuentra ubicada en Seattle, WA y fue fundada el 5 de julio de 1994 por Jeff Bezos. Permite a los clientes comprar de todo, desde libros a batidoras. Seattle está al norte de Portland y al sur de Vancouver, BC. Otras compañías importantes con sede en Seattle son Starbucks y Boeing.
  

  Entidad	Categoría	Confianza
  Amazon.com, Inc.	Organización	0,96
  Seattle, WA	Ubicación	0,96
  5 de julio de 1994	Fecha	0,99
  Jeff Bezos	Persona	0,99
  Seattle	Ubicación	0,98
  Portland	Ubicación	0,99
  Vancouver, BC	Ubicación	0,97
  Starbucks	Organización	0,91
  Boeing	Organización	0,99

Análisis de opiniones

• Ejemplo: en este ejemplo, un cliente está publicando un comentario acerca de un par de zapatos. La API identifica la opinión del cliente y produce una puntuación de confianza.
  

  Texto de muestra: Pedí un número pequeño y esperaba que me quedaran bien, pero en realidad el número era más bien mediano-grande. Los zapatos son de gran calidad. El color marrón es algo más claro que el de la imagen, pero se acerca bastante. Sería mucho mejor si incorporaran un forro de algodón o lana.
  

  Sentimiento	Puntuación
  Combinación	0,89
  Positiva	0,09
  Negativa	0,01
  Neutra	0,00

Opinión focalizada

• Ejemplo: En este ejemplo, un restaurante revisa la opinión de un cliente para entender en qué puede mejorar su empresa.
  

  Texto de muestra: Me gustó mucho la hamburguesa, pero el servicio fue muy lento.
  

  Texto	Tipo de entidad	Puntuación de confianza de la entidad	Opinión	Puntuación
  I	Persona	0,99	Neutra	0,99
  Hamburguesa	Otro	0,99	Positiva	0,99
  Servicio	Atributo	0,99	Negativa	0,99

Identificación y redacción de información de identificación personal (PII)

• Ejemplo: en este ejemplo, un cliente quiere redactar datos financieros y personales de un extracto bancario. La API de redacción de PII identificará y redactará la PII junto con una puntuación de confianza.
  

  Texto de muestra: Hola, John Smith. La cuenta 1111-0000-1111-0008 de la tarjeta de crédito de AnyCompany Financial Services, LLC tiene un pago mínimo de 24,53 USD que vence el 31 de julio. En función de la configuración de pago automática, se cobrará el pago de la cuenta bancaria XXXXXX1111 con el número de enrutamiento XXXXX0000 el día del vencimiento.
  

  Entidad	Tipo	Puntuación
  John Smith	Nombre	0,99+
  1111-0000-111-0008	Número de débito o crédito	0,99+
  31 de julio	Fecha y hora	0,99+
  XXXXXX111	Número de cuenta bancaria	0,99+
  XXXXX0000	Número de enrutamiento bancario	0,99+

Detección de toxicidad

Clasificación de seguridad de peticiones

Extracción de frases clave

• Ejemplo: en este ejemplo, un cliente compara una cámara DSLR con una cámara instantánea de película. La API extrae las frases más importantes y envía una puntuación de confianza sobre los resultados.
  

  Texto de muestra: Soy un fotógrafo entusiasta y principalmente saco fotos con mi cámara DSLR o con mi cámara instantánea de película que llevo conmigo para uso esporádico. Aunque nada supera a la DSLR en potencia y comodidad, la cámara instantánea de película tiene cierta magia. Quizás es que se toman las imágenes en película real o que cada imagen es un artefacto físico único (algo especial en el mundo de hoy de Instagram y Facebook, en el que encontramos imágenes por todas partes). Lo que está claro es que son muy divertidas de utilizar y que a todos se les ilumina la mirada cuando sacas una en una fiesta.
  

  Frase clave	Confianza
  un fotógrafo entusiasta	0,99
  mi DSLR	0,97
  mi cámara instantánea de película	0,99
  uso esporádico	0,99
  potencia y comodidad	0,94
  película real	0,99
  cada imagen	0,92
  un artefacto físico único	0,99
  hoy	0,91
  mundo	0,99
  Instagram y Facebook	0,99

Detección de eventos

Detección de idioma

• Ejemplo: en este ejemplo, la API analiza el texto y es capaz de identificar que el idioma dominante del texto es el italiano, y produce además una puntuación de confianza.

  Texto de muestra: Amazon Elastic Compute Cloud (Amazon EC2) è un servizio Web che fornisce capacità di elaborazione sicura e scalabile nel cloud. È concepito per rendere più semplice il cloud computing su scala Web per gli sviluppatori.
  

  Código de idioma ISO-639-1	Idioma	Confianza
  it	Italiano	1,0

Análisis sintáctico

• Ejemplo: en este ejemplo, analizaremos un documento breve con la API Syntax de Comprehend. La API Syntax tokeniza (define los límites de las palabras) el texto y etiqueta cada palabra con su categoría gramatical correspondiente, por ejemplo, sustantivo y verbo. Además de marcar el inicio y el fin (para que sepa dónde se encuentra la palabra dentro del texto), también suministramos una puntuación de fiabilidad.

  Ejemplo de muestra: ¡Me encanta mi flamante y ágil Kindle Fire!

  Texto	Etiqueta
  Me	Pronombre
  Encanta	Verbo
  Mi	Pronombre
  Rapidez	Adjetivo
  ,	Puntuación
  Novedades	Adjetivo
  Kindle	Nombre propio
  Fire	Nombre propio
  .	Puntuación

Modelado de temas

• Ejemplo: si sus documentos (Doc1.txt, Doc2.txt, Doc3.txt y Doc4.txt) están almacenados en Amazon S3 y apunta Amazon Comprehend a su ubicación, Comprehend los analizará y producirá dos vistas:
  

  1. Agrupación de palabras clave que son temas

  Cada grupo de palabras clave está asociado con un grupo de temas. El peso se refiere a la prevalencia de esa palabra clave en el grupo. Las palabras clave con el peso que más se acerca a 1 son las que más indican el contexto del grupo del tema.

  Grupo de temas	Palabras claves	Peso
  1	Amazon	0,87
  1	Seattle	0,65
  2	Vacaciones	0,78
  2	Compras	0,67

  Cada grupo de palabras clave está asociado con un grupo de tema. El peso se refiere a la prevalencia de esa palabra clave en el grupo. Las palabras clave con el peso que más se acerca a 1 son las que más indican el contexto del grupo del tema.

  2. Agrupación de documentos por temas

  Nombre del documento	Grupo de temas	Proporción
  Doc1.txt	1	0,87
  Doc2.txt	1	0,65
  Doc3.txt	2	0,78
  Doc4.txt	2	0,67

  Cada documento se asigna a un grupo de tema en función de la proporción de las palabras clave ponderadas del grupo del tema presentes en el documento.

Compatibilidad con varios idiomas